Baselabs 深挖强化学习训练中的价值函数与 rollout 算力分配之争

Baselabs 本周在 Rollout 节目中重审强化学习训练的算力分配：学习价值函数是否值得，还是将算力全部用于更多 rollout 更划算。该讨论聚焦 PPO 类算法与 GRPO 风格纯采样式方法在训练效率上的核心取舍。